← Retour au blog
AiEnviron 8 min de lecture

ViMax : un logline en entrée, un court-métrage en sortie

Publié le 10 nov. 2026
ViMax : un logline en entrée, un court-métrage en sortie

Ce qui intrigue le plus dans ViMax, ce n'est pas qu'il génère de la vidéo. Les dépôts qui font ça ne manquent pas. C'est que l'exemple livré avec le dépôt ne demande pas un prompt. Il demande un logline.

idea = \
"""
If a cat and a dog are best friends, what would happen when they meet a new cat?
"""
user_requirement = \
"""
For children, do not exceed 3 scenes.
"""
style = "Cartoon"

Ce bloc se trouve dans main_idea2video.py. Vous éditez le fichier Python, renseignez trois clés d'API, et vous lancez. Ce qui revient est censé être un court-métrage fini : scénario, storyboard, designs de personnages, plans, et un montage assemblé. Le dépôt s'appelle HKUDS/ViMax, il a réuni environ 12.8K étoiles, et son argument est qu'un seul agent tient quatre rôles à la fois — réalisateur, scénariste, producteur et générateur.

Savoir s'il y arrive est une autre question que celle du bon cadrage. Le cadrage est juste. Presque tous les outils texte-vers-vidéo du marché refusent de décider. Vous donnez une phrase, ils rendent cinq secondes. Tout ce qui précède cette phrase — qui est le personnage, à quoi doit ressembler le deuxième plan, si le troisième contredit le premier — reste votre problème. Le pari de ViMax : le produit manquant n'a jamais été le modèle. C'était la couche qui décide quoi demander au modèle.

Ce qu'il y a vraiment dans la boîte

Trois points d'entrée, et il vaut la peine de les distinguer parce qu'on les confond en permanence.

De l'idée à la vidéo. main_idea2video.py prend une prémisse, une phrase de contrainte et un mot de style. L'agent écrit le scénario, le découpe en scènes, génère des images clés, puis confie ces images clés à un modèle vidéo.

Du script à la vidéo. main_script2video.py saute l'étape d'écriture. Vous fournissez un script de scènes dans un format proche du scénario — EXT. SCHOOL GYM - DAY, âges des personnages entre parenthèses, dialogue sur sa propre ligne — plus une exigence du type « rythme rapide, pas plus de 20 plans ». L'agent l'analyse, distribue les rôles et génère.

Une TUI interactive et une interface web locale. Même moteur, deux façades. La TUI est le chemin rapide ; l'interface web apporte des projets nommés, un volet de conversation, des aperçus de storyboard et l'inspection des artefacts.

Il y a une quatrième chose, cachée dans la configuration, qui compte à mon avis plus que les trois précédentes : image_selection.

image_selection:
  num_candidates: 2  # Set to 1 to disable selection.

Par défaut, ViMax génère deux images clés candidates en parallèle et laisse un modèle de chat capable de vision choisir la meilleure. Petit détail, grosse implication. Le système ne traite pas la génération d'image comme une machine à sous où l'on relance jusqu'à ce que ça passe. Il la traite comme une décision qui a un coût, prise par quelque chose capable de regarder les deux options. Le README prévient franchement que cela augmente la dépense d'API. C'est aussi la différence entre un agent et une boucle for.

L'installation, sans enjoliver

Quatre commandes, et l'une d'elles sera la raison pour laquelle vous abandonnez si vous êtes sous Windows.

git clone https://github.com/HKUDS/ViMax.git
cd ViMax
uv sync

Voilà pour l'environnement. uv s'en occupe ; pas de recette conda ni de fichier Docker dans le démarrage rapide. Ensuite :

cp configs/agent.example.yaml configs/agent.local.yaml

Et là, vous remplissez trois blocs. Pas un — trois. Un modèle de langage, un générateur d'images et un générateur de vidéos, chacun avec un nom de modèle, une URL de base et une clé.

llm:
  model_provider: openai
  model: <YOUR_LLM_MODEL>
  base_url: <YOUR_LLM_BASE_URL>
  api_key: <YOUR_API_KEY>

image:
  model: <YOUR_IMAGE_MODEL>
  base_url: <YOUR_IMAGE_BASE_URL>
  api_key: <YOUR_API_KEY>

video:
  model: <YOUR_VIDEO_MODEL>
  base_url: <YOUR_VIDEO_BASE_URL>
  api_key: <YOUR_API_KEY>

Si vous préférez vous passer de fichier de configuration, les mêmes valeurs peuvent venir de VIMAX_LLM_API_KEY, VIMAX_IMAGE_API_KEY et VIMAX_VIDEO_API_KEY. Puis vimax tui lance une session, et vimax tui resume <session_id> en reprend une.

Trois fournisseurs, c'est la partie que les gens sous-estiment. Ce n'est pas une corvée de configuration, c'est l'architecture qui affleure : ViMax est collé à ce que vous branchez. La configuration d'exemple du dépôt pointe vers OpenRouter pour le chat, une classe d'image Google et une classe vidéo Google — ImageGeneratorNanobananaGoogleAPI et VideoGeneratorVeoGoogleAPI. Changez le chemin de classe, changez de fournisseur. C'est souple comme une multiprise bien étiquetée.

L'interface web s'installe à part :

cd web
npm install
npm run dev

Elle écoute sur 127.0.0.1:4173. Sur une machine distante, vous redirigez le port ; VIMAX_WEB_PORT le déplace. Rien d'exotique, mais notez que « interface web locale » veut dire exactement cela : ce n'est pas un produit hébergé, et il n'y a aucune couche d'authentification entre le port et vos clés.

A dark editing suite with a storyboard, a script page and a video timeline on three monitors

Ce que fait vraiment l'agent entre votre idée et votre MP4

La réponse honnête : le même pipeline qu'une petite équipe de production, sans les engueulades.

Lire la prémisse. Choisir un ton. Écrire un scénario avec des scènes. Fixer un style visuel et s'y tenir. Décrire chaque scène comme un plan avec une position de caméra et un sujet. Générer des images clés. Choisir entre les candidates. Animer. Assembler. Vérifier que le résultat correspond encore à la prémisse de départ.

Le mode de défaillance intéressant est à la dernière étape. Les modèles vidéo dérivent. La veste d'un personnage change de couleur entre deux plans. Une pièce qui avait deux fenêtres en a trois. Quand un monteur humain le repère, il retourne tourner ou il coupe autour. Quand c'est un agent, il doit décider s'il régénère — ce qui coûte de l'argent — ou s'il accepte la dérive. La réponse de ViMax, autant que le README le montre, est de s'appuyer sur la sélection d'images clés et sur un script qui ne bouge pas. Il n'annonce pas de vérificateur de cohérence.

C'est la première chose à tester si vous évaluez sérieusement l'outil. Pas « est-ce qu'il fait 30 secondes jolies ». Demandez-lui quatre plans du même personnage marchant dans la même rue, et comptez combien de fois la rue change.

Où ça sert, et où ça ne sert pas

ViMax ne concurrence pas la timeline de Runway ni un vrai logiciel de montage. Il concurrence la page blanche. Le cas d'usage réaliste est celui que suggère l'exemple du dépôt : des pièces courtes et autonomes, entièrement spécifiables en un paragraphe — une histoire pour enfants, un explicatif, une preuve de concept pour un pitch qui n'a pas encore de budget.

C'est aussi une implémentation de référence vraiment utile si vous construisez votre propre agent. La séparation entre idea2video et script2video tombe au bon endroit : l'un est un agent créatif, l'autre un agent d'exécution, et la plupart des gens qui fabriquent ce genre d'outil les mélangent jusqu'à obtenir un sac de nœuds impossible à maintenir.

Deux réserves à énoncer clairement. D'abord, le README ne déclare aucune licence. Pour un dépôt à 12.8K étoiles, ce n'est pas un détail, c'est un blocage pour tout usage commercial tant que ce n'est pas clarifié. Ensuite, le modèle de coût est invisible. Pas de plafond de budget, pas d'estimation par exécution, pas de mode à blanc dans le démarrage rapide : vous découvrirez le prix d'un cartoon de quatre scènes sur la facture.

OpenMontage, l'autre gros dépôt d'agents vidéo de ce mois-ci, a pris le chemin inverse : des barrières dures, un plafond par défaut annoncé à 10 $, un seuil d'approbation de cinquante centimes par action. ViMax a choisi la fluidité. Les deux se défendent. Un seul des deux survivra au contact d'un service financier.

Ce qui vieillira bien

Dans un an, les modèles vidéo que ViMax appelle seront meilleurs et moins chers, et quelqu'un aura réécrit le schéma de configuration. Ce qui devrait rester, c'est le schéma d'interaction : donner une prémisse au système, pas un prompt ; le laisser montrer des images clés candidates au lieu d'une seule prise ; garder le script comme le contrat que les plans doivent respecter.

Ce schéma apparaît déjà partout — dans video-to-game, où un clip généré devient le document de design auquel un agent de code doit se conformer ; dans OpenMontage, où le pipeline s'arrête pour approbation à chaque verrou créatif. L'industrie a passé deux ans à débattre du meilleur modèle. Le débat plus utile, celui que ces dépôts mènent réellement, porte sur qui a le droit de prendre la deuxième décision.

Articles associés